컴퓨터가 기하학적 형태를 사람처럼 쉽게 인식한다고 상상해 보세요. 이로 인해 얻을 수 있는 여유 시간에 무얼 하고 싶으신가요?

첫 직장에서 물리적 테스트의 상관관계 프로젝트를 진행하던 젊은 엔지니어 옆에 앉아서 근무하던 때 였습니다. 어느 날 오후, 엔지니어의 책상에서 하루 종일 똑같은 패턴의 소음이 반복되는 걸 듣고 그가 무엇을 하고 있는지 물어 보았습니다. 5번의 클릭과 몇 초간의 침묵이 이어졌는데, 그는 스프레드시트에서 사내 소프트웨어로 기록된 테스트 데이터를 수동으로 입력하고 있었습니다. 그의 안일한 성격을 보고 있을 수만은 없었기에, 그에게 자동화 스크립트를 제안했습니다. 그의 작업에 대해서 해결책을 제시하면서, 저의 지루한 작업도 자동화할 수 있었으면 좋겠다고 생각했습니다. 유한요소 해석을 설정하고 실행하는 프로젝트 엔지니어로서 저는 유사한 부품의 기능을 식별하기 위해 모델을 검색하고 구성하여 등가 형상이 그에 따라 단순화되고 메시화되었는지 확인하는 데 많은 시간을 할애하고 있었습니다. 매핑된 데이터 입력 자동화처럼 간단한 작업과는 달리, 사람의 뇌에 내재된 기하학 인식 능력을 자동화로 대체할 수 있는 툴이 없었습니다. 하지만 요즈음 프로젝트 엔지니어들은 운이 좋게도, Altair HyperWorks의 shapeAI 기술이 있습니다. shapeAI를 활용하면 바로 이 작업을 정확하게 수행할 수 있습니다.

shapeAI를 이해하기 위해 바닥에 흩어져 있는 다양한 크기와 모양의 레고를 상상해보세요. 여러분은 바로 지금 우리집 거실을 시각화하고 있는 것입니다! 레고를 비슷한 모양의 더미로 정리하는 것은 인간의 두뇌, 심지어 어린 아이에게도 자연스러운 작업입니다. 이와 같은 작업은 기존 프로그래밍을 사용하는 컴퓨터의 경우 더 어렵습니다. 특히, 우리가 당연하다고 생각하는 정도의 정확도로 조각을 적절하게 정렬하는 모든 규칙을 작성하는 것은 어렵습니다. 이러한 규칙은 2×2 페그와 4×1 페그 배치로 분명히 다른 벽돌을 제대로 구분할 수 없을 때, 페그 수로 정렬하려는 첫 번째 시도는 빠르게 무너집니다. 면적 대비 부피 비율과 같은 규칙을 추가할 수 있지만 이러한 규칙을 만드는 것 자체가 어려운 일입니다. 머신러닝에서는 이러한 차별적인 가치를 지닌 속성을 이라고 특징(features)이라고 합니다.

shapeAI는 별도의 입력이나 개입 없이 지정된 형상 자체에 대한 자동 특징 추출 기능이 포함되어 있습니다. HyperWorks의 매칭 도구에 있는 머신러닝 알고리즘과 이러한 기능을 결합하면 모든 사용자가 기하학적 머신러닝의 강력한 기능을 사용할 수 있습니다. 몇 번의 클릭만으로 가상 레고 더미를 분류할 수 있는 것입니다. 아래 영상은 한 부품의 수정 사항이 모든 부품에 동기화될 수 있도록 기하학적 유사성에 따라 자동차 모델을 구성하는 데 shapeAI가 사용되는 것을 보여줍니다.

 
위 영상의 워크플로를 통한 시간 절약은 미미하지만, 예전 엔지니어 동료의 수동 데이터 입력 작업과 마찬가지로 동일한 작업이 자주 반복되는 시간을 줄이면 시간 절약이 상당히 커집니다. 게다가, 모델 크기가 증가함에 따라 우리 두뇌가 복잡성을 따라잡기 위해 고군분투하는 동안 AI 기술은 모델 크기가 증가함에 따라 값이 잘 확장됩니다. 인간의 판단을 보완하기 위해 shapeAI 기술을 주입하면 시뮬레이션 모델 구축의 자동화 및 효율성에 대한 놀라운 잠재력이 있습니다. 몇 년 전에도 이런 기능이 있었으면 참 좋았을 텐데요. 댓글을 통해 여러분의 지루한 작업에 대해 듣고 싶습니다. 여러분도 다음에는 자동화 기능을 찾아낼 수 있을 거에요!

[원문보기]

제품에 대해 궁금한 점이 있으시면 아래 버튼을 통해 문의해주세요.

감사합니다.
한국알테어